論文の概要: GUIDO: A Hybrid Approach to Guideline Discovery & Ordering from Natural Language Texts

• arxiv url: http://arxiv.org/abs/2307.09959v1
• Date: Wed, 19 Jul 2023 13:01:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 13:57:18.185959
• Title: GUIDO: A Hybrid Approach to Guideline Discovery & Ordering from Natural Language Texts
• Title（参考訳）: GUIDO: 自然言語テキストからの発見と順序付けのためのハイブリッドアプローチ
• Authors: Nils Freyer, Dustin Thewes, Matthias Meinecke
• Abstract要約: GUIDOはプロセスモデル抽出タスクに対するハイブリッドアプローチである。 提案したアプローチは、純粋なルールベースのアプローチよりもはるかに優れた結果が得られる。 それでも、純粋に機械学習ベースのアプローチと比較して、アノテーションのコストは低いままだ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Extracting workflow nets from textual descriptions can be used to simplify guidelines or formalize textual descriptions of formal processes like business processes and algorithms. The task of manually extracting processes, however, requires domain expertise and effort. While automatic process model extraction is desirable, annotating texts with formalized process models is expensive. Therefore, there are only a few machine-learning-based extraction approaches. Rule-based approaches, in turn, require domain specificity to work well and can rarely distinguish relevant and irrelevant information in textual descriptions. In this paper, we present GUIDO, a hybrid approach to the process model extraction task that first, classifies sentences regarding their relevance to the process model, using a BERT-based sentence classifier, and second, extracts a process model from the sentences classified as relevant, using dependency parsing. The presented approach achieves significantly better results than a pure rule-based approach. GUIDO achieves an average behavioral similarity score of $0.93$. Still, in comparison to purely machine-learning-based approaches, the annotation costs stay low.
• Abstract（参考訳）: ワークフローネットをテキスト記述から抽出することで、ガイドラインを簡素化したり、ビジネスプロセスやアルゴリズムなどの形式プロセスのテキスト記述を形式化することが可能になる。 しかし、プロセスを手作業で抽出する作業は、ドメインの専門知識と努力を必要とする。 自動プロセスモデル抽出は望ましいが,形式化されたプロセスモデルによる注釈付けは高価である。 したがって、機械学習に基づく抽出アプローチはごくわずかである。 ルールベースのアプローチはドメインの特異性をうまく動作させ、テキスト記述において関連性のある情報と無関係な情報を区別することは滅多にない。 本稿では,プロセスモデル抽出タスクに対するハイブリッドアプローチであるguidoについて述べる。まず,bertベースの文分類器を用いて,プロセスモデルとの関連性に関する文を分類し,次に依存関係解析を用いて,関連する文からプロセスモデルを抽出する。 提案したアプローチは、純粋なルールベースのアプローチよりもはるかに優れた結果が得られる。 GUIDOは平均的な行動類似度スコアが0.93$に達する。 それでも、純粋に機械学習ベースのアプローチと比較して、アノテーションのコストは低いままだ。

関連論文リスト

• Generative Context Distillation [48.91617280112579]
  Generative Context Distillation (GCD) は、ジョイントトレーニングアプローチを採用した軽量なプロンプト内在化手法である。 エージェントベースのアプリケーションシナリオにおいて,このアプローチが複雑なプロンプトを効果的に内部化することを示す。
  論文  参考訳（メタデータ） (2024-11-24T17:32:20Z)
• Learning from Litigation: Graphs and LLMs for Retrieval and Reasoning in eDiscovery [6.037276428689637]
  本稿では2つの世界の強みを組み合わせたハイブリッド手法であるDISCOG(Disdiscovery Graph)を紹介する。 本手法は,手作業と比較して文書レビューコストを99.9%削減し,LCMに基づく分類法と比較して95%削減する。
  論文  参考訳（メタデータ） (2024-05-29T15:08:55Z)
• From Dialogue to Diagram: Task and Relationship Extraction from Natural Language for Accelerated Business Process Prototyping [0.0]
  本稿では、依存性解析と名前付きエンティティ認識(NER)の利用を、我々のアプローチの中心とする現代的ソリューションを紹介します。 我々は,行動関係の同定にSVO(Subject-Verb-Object)構造を用い,コンテキスト理解のためのWordNetなどの意味分析ツールを統合する。 このシステムはデータ変換と視覚化を十分に処理し、冗長に抽出された情報をBPMN(Business Process Model and Notation)ダイアグラムに変換する。
  論文  参考訳（メタデータ） (2023-12-16T12:35:28Z)
• Automated Few-shot Classification with Instruction-Finetuned Language Models [76.69064714392165]
  我々は、AuT-Fewが最先端の数ショット学習方法より優れていることを示す。 AuT-Few は RAFT few-shot ベンチマークにおいて,データセット間で最高のランク付け手法であることを示す。
  論文  参考訳（メタデータ） (2023-05-21T21:50:27Z)
• Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
  視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。 事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。 しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
  論文  参考訳（メタデータ） (2022-05-23T07:51:15Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• Value Retrieval with Arbitrary Queries for Form-like Documents [50.5532781148902]
  フォーム状文書に対する任意のクエリを用いた値検索を提案する。 本手法は,フォームのレイアウトやセマンティクスの理解に基づいて,任意のクエリのターゲット値を予測する。 本稿では,大規模モデル事前学習における文書理解を改善するためのシンプルな文書言語モデリング (simpleDLM) 戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-15T01:12:02Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。